ORB-SLAM2源码分析(单目)——初始化流程

ORB-SLAM2源码分析(单目)——初始化流程

一、 ORB-SLAM2简介

ORB-SLAM2特点:
在这里插入图片描述

ORB-SLAM2整体框架:
在这里插入图片描述

(1) 输入:
有三种模式可以选择:单目模式、双目模式和RGB-D模式。
(2) 跟踪:
初始化成功后首先会选择参考关键帧跟踪,然后大部分时间都是恒速模型跟踪,当跟踪丢失的时候启动重定位跟踪,在经过以上跟踪后可以估计初步的位姿,然后经过局部地图跟踪对位姿进行进一步优化。同时会根据条件判断是否需要将当前帧新建为关键帧。
(3) 局部建图
输入的关键帧来自跟踪里新建的关键帧。为了增加局部地图点数目,局部地图里关键帧之间会重新进行特征匹配,生成新的
(4) 地图点:
局部BA会同时优化共视图里的关键帧位姿和地图点,优化后也会删除不准确的地图点和冗余的关键帧。
(5) 闭环
通过词袋来查询数据集检测是否闭环,计算当前关键帧和闭环候选关键帧之间的Sim3位姿,仅在单目时考虑尺度,双目或RGBD模式下尺度固定为1。然后执行闭环融合和本质图优化,使得所有关键帧位姿更准确。
(6) 全局BA
优化所有的关键帧及其地图点。
(7) 位置识别
需要导入离线训练好的字典,这个字典是由视觉词袋模型构建的。新输入的图像帧需要先在线转化为词袋向量,主要应用于特征匹配、重定位、闭环。
(8) 地图
地图主要由地图点和关键帧组成。关键帧之间根据共视地图点数目组成了共视图,根据父子关系组成了生成树。

二、 SLAM系统初始化

从网上下载了ORB-SLAM2的源码,打开单目相机Demo。
(1) 进入main函数:
在这里插入图片描述
加载视频文件,用于接下来我们跑整个ORB-SLAM2的流程
(2) Slam系统构造函数:
在这里插入图片描述

(3) 加载ORB字典
在这里插入图片描述

加载ORB字典,用于我们后续使用词袋匹配
(4) 初始化追踪线程
在这里插入图片描述

(5) 初始化局部建图,并且运行局部建图线程
在这里插入图片描述

(6) 初始化回环检测,并且运行回环检测线程
在这里插入图片描述

(7) 初始化绘制器**
在这里插入图片描述

三、 跟踪线程初始化

在这里插入图片描述

我们进去看一下跟踪线程初始化具体做了哪些操作
(1) 从配置文件中读取相机的内参
在这里插入图片描述

(2) 获取图像金字塔、特征点的参数
在这里插入图片描述

(3) 初始化ORB特征点提取器
在这里插入图片描述

看看ORB特征提取器是如何初始化的

1) 初始化每一层的图像尺寸
通过我们输入的金字塔层数与缩放系数,计算出金字塔每一层图像跟原始图像的缩放比
在这里插入图片描述

2) 初始化提取每一层金字塔图像的特征点数量
通过要提取的总特征点数量,计算提取每一层金字塔图像的特征点数量。图像尺寸越大,所提取的特征点占比越多,反之越少
在这里插入图片描述

3) 初始化ORB特征点的灰度质心的相关参数
原始的FAST关键点没有方向信息,这样当图像发生旋转后,brief描述子也会发生变化,使得特征点对旋转不鲁棒,所以我们使用灰度质心法来获取特征点的方向,从而获得旋转不变性。
如何计算灰度质心?
在这里插入图片描述

在一个圆内计算灰度质心
在这里插入图片描述

为什么使用圆形来计算灰度质心而不用正方形等其他形状呢?
ORBSLAM里面是先旋转坐标再从图像中采点提取,并不是先取那块图像再旋转, 会导致下方采集点的时候绿色和黄色部分就是不同的像素
在这里插入图片描述

ORB-SLAM2初始化质心相关参数如下代码所示
在这里插入图片描述

我们需要计算特征点的灰度质心,根据公式,我们要获得圆内所有像素点的灰度值,在来计算出灰度质心。所以我们要先确定圆的边界,判断哪些像素点是在圆内参与计算的,哪些是不参与计算的。这里我们先计算四分之一圆的边界,再通过对称,最后组成一个圆。最终我们获得圆的边界参数信息umax。

四、 局部建图初始化

在这里插入图片描述

在这里插入图片描述

五、 回环检测初始化

在这里插入图片描述
在这里插入图片描述

设置了回环检测中,需要连续检测到多少帧回环帧才能算回环。

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: ORB-SLAM2是一款基于特征点的SLAM算法,可以在实时运行中实现稠密地图的构建和定位。ORB-SLAM2的代码解析v1.2 pdf为ORB-SLAM2算法的代码进行详细讲解的文档。 这个文档详细介绍了ORB-SLAM2算法的各个模块以及其组成部分,包括图像预处理、特征点提取、视觉里程计、回环检测、地图构建和定位等。对于每个模块,文档都进行了详细的讲解,并展示了一些代码实现和示例。 其中,ORB特征点的提取是ORB-SLAM2的一个重要特点。文档详细介绍了ORB特征点的提取与描述,并对其进行了性能优化。在视觉里程计中,文档详细介绍了基于ORB-SLAM2的相机位姿估计算法,并同时对其进行了实验验证。 此外,orb-slam2码解析 v1.2 pdf还对ORB-SLAM2的一些扩展进行了介绍,如RGBD-SLAM、半稠密点云地图构建、直接法视觉里程计等等。 总之,ORB-SLAM2是一个非常强大的SLAM算法,通过对orb-slam2码解析 v1.2 pdf的学习,可以更好地理解其原理和实现,也为进一步研究和应用提供了参考。 ### 回答2: ORB-SLAM2是一种基于单目相机的实时稠密SLAM系统,被广泛应用于机器人、自动驾驶、增强现实等领域。ORB-SLAM2码解析v1.2 pdf是一份PDF文档,对ORB-SLAM2代码进行了详细的解析和分析。 该文档分为多个章节,首先介绍了ORB-SLAM2的概述和背景,包括SLAM系统的基本原理和ORB特征点的提取与匹配算法。接着,文档对ORB-SLAM2的系统框架、流程和算法进行了详细介绍,主要包括定位、建图、闭环检测和重定位等核心模块的实现细节。 文档还对ORB-SLAM2的实验结果和性能进行了评估和分析,包括系统的重定位精度、建图质量、算法复杂度和实时性等指标。同时,文档还针对ORB-SLAM2的应用场景进行了讨论和展望,包括基于ORB-SLAM2的三维重建、SLAM与深度学习的融合等前沿研究方向。 总之,ORB-SLAM2码解析v1.2 pdf是一份非常有价值的文档,对想要深入了解和应用ORB-SLAM2的研究者和开发者有很大的帮助和启发作用。它不仅详细介绍了ORB-SLAM2的理论基础和实现细节,还从实验和应用角度对其性能和前景进行了评估和展望,为相关领域的技术人员提供了重要的参考和指导。 ### 回答3: ORB-SLAM2是一种基于单目或双目相机的实时视觉SLAM系统,可以在无GPS信号的情况下,通过对相机的位置和姿态的估计,构建3D环境地图。 ORB-SLAM2码解析 v1.2 PDF是一份解析ORB-SLAM2码的文档,其中包含了ORB-SLAM2的基本架构、算法实现以及关键代码的详细解释。通过学习该文档,可以深入了解ORB-SLAM2的原理和实现方法,从而更好地应用该系统进行SLAM操作。 该文档主要包括以下几个部分: 1.ORB-SLAM2的系统结构:介绍ORB-SLAM2的整体结构和各模块之间的关系。 2.特征提取与匹配:详细介绍ORB特征的提取和匹配算法,包括ORB算法原理、特征对齐和描述符生成等。 3.全局BA和回环检测:讲解ORB-SLAM2的全局优化和回环检测方法,其中包括BA算法流程、优化目标函数、回环检测的实现等。 4.实时定位:探讨如何实现ORB-SLAM2的实时运动估计和位姿估计,包括相机位姿估计、尺度恢复和点云重建等内容。 除此之外,该文档还对ORB-SLAM2的一些高级技术进行了讲解,如基于深度学习的特征提取、基于语义信息的地图构建等。 总之,该文档是一份非常有价值的ORB-SLAM2码解析资料,对于深入了解ORB-SLAM2的实现原理、优化方法和应用场景,具有重要的参考意义。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值